随着慢性肾脏疾病的患病率正在全球范围内增加,对肾脏疾病的早期诊断和及时有效的治疗变得至关重要。临床实践及研究表明,主要的肾脏疾病都伴随不同程度肾脏体积增大或减小以及肾脏表面变化。全自动肾脏分割是一个极具挑战性的课题,它不仅需要面对肾脏分割过程中的诸多干扰因素影响,例如肾脏与其毗邻器官(肝脏、脊柱)边界不明显、图像获取伪影、图像噪声以及病理因素导致的肾脏形态畸变等等,同时还需要在没有人为干预的条件下实现精准的肾脏分割。本文在广泛地对比分析各类图像分割方法的优缺点的基础上,针对肾脏图像提出了一种结合基于范例支持向量机和水平集算法和的全自动分割算法,自动获取肾脏并利用定位信息对肾脏进行分割得到肾皮质。首先,利用范例支持向量机进行肾脏目标识别以达到准确快速定位肾脏的目的,本文所采用的基于HOG描述子可以有效地描述肾脏的几何拓扑特性,可以较好地区分肾脏和其他疑似目标,定位后的肾脏区域不包含疑似目标,保证了后续分割的鲁棒性。然后,以此定位为基准进一步利用水平集算法高准确度地分割出肾皮质部分,并得到满意的分割结果。实验结果表明,本文提出方法对CT增强图像、MRI增强图像的分割效果好,准确度高,分割结果边界光滑;对非增强图像分割,效果虽没有对增强图像的分割效果好,但比其他方法有了较大提高。